Tekrarlanan önlemler tasarımı - Repeated measures design

Ayrıca bakınız: boylamsal çalışma ve panel çalışması

Tekrarlanan ölçüm tasarımı , farklı koşullar altında veya iki veya daha fazla zaman periyodu boyunca aynı veya eşleştirilmiş konular üzerinde aynı değişkenin birden fazla ölçümünü içeren bir araştırma tasarımıdır . Örneğin, tekrarlanan ölçümler, zaman içindeki değişimin değerlendirildiği boylamsal bir çalışmada toplanır .

Crossover çalışmaları

Ana madde: Crossover çalışması

Popüler bir tekrarlanan ölçüm, çapraz çalışma çalışmasıdır . Çapraz çalışma, deneklerin bir dizi farklı tedavi (veya maruziyet) aldığı uzunlamasına bir çalışmadır . İken çaprazlama çalışmalar olabilir gözlemsel çalışmalar , birçok önemli geçit çalışmaları olan kontrollü deneyler . Crossover tasarımlar birçok deneyler için ortaktır bilimsel disiplinler örnek için, psikoloji , eğitim , ilaç bilimi ve sağlık , özellikle tıp.

Rastgele , kontrollü, çapraz deneyler özellikle sağlık hizmetlerinde önemlidir. Randomize bir klinik araştırmada , denekler rastgele atanan tedavilerdir. Böyle bir deneme, tekrarlanan bir ölçüm tasarımı olduğunda, denekler rastgele bir dizi tedaviye atanır . Çapraz klinik araştırma, her hastanın en az iki tedaviyi içeren bir tedavi dizisine rastgele atandığı (bunlardan biri standart tedavi veya plasebo olabilir ) tekrarlanan ölçümler tasarımıdır : Böylece her hasta bir tedaviden geçiş yapar başka bir.

Hemen hemen tüm çapraz tasarımlarda "denge" vardır, bu da tüm deneklerin aynı sayıda tedavi alması gerektiği ve tüm deneklerin aynı sayıda periyot için katılması gerektiği anlamına gelir. Çoğu çapraz denemede, her denek tüm tedavileri alır.

Bununla birlikte, birçok tekrarlanan önlem tasarımı, geçitler değildir: tekrarlanan tedavilerin ardışık etkilerinin boylamsal çalışmasında herhangi bir " çapraz geçiş " kullanılmasına gerek yoktur , örneğin (Vonesh & Chinchilli; Jones & Kenward).

Kullanımlar

  • Sınırlı sayıda katılımcı - Tekrarlanan ölçüm tasarımı, tedavi etkilerinin tahminlerinin varyansını azaltarak daha az denek ile istatistiksel çıkarım yapılmasına izin verir.
  • Verimlilik — Tekrarlanan ölçüm tasarımları, tüm bir deneyi tamamlamak için daha az grubun eğitilmesi gerektiğinden, birçok deneyin daha hızlı tamamlanmasını sağlar. Örneğin, her koşulun yalnızca birkaç dakika sürdüğü deneyler, görevleri tamamlamak için eğitim ise daha fazla değilse de çok zaman alır.
  • Boylamsal analiz — Tekrarlanan ölçüm tasarımları, araştırmacıların hem uzun hem de kısa vadeli durumlarda katılımcıların zaman içinde nasıl değiştiğini izlemelerine olanak tanır.

Sıra efektleri

Sıra etkileri , bir deneydeki bir katılımcı bir görevi yerine getirip ardından tekrar gerçekleştirebildiğinde ortaya çıkabilir. Sipariş etkilerinin örnekleri, öğrenme etkileri, can sıkıntısı veya yorgunluktan kaynaklanabilecek performans iyileştirmesi veya performanstaki düşüşü içerir. Düzen etkilerinin etkisi, uzun vadeli uzunlamasına çalışmalarda veya bir çapraz tasarım kullanılarak dengelenerek daha küçük olabilir .

Karşı dengeleme

Bu teknikte, iki grup aynı görevleri yerine getirir veya aynı koşulları yaşar, ancak ters sırada. İki görev veya koşul ile dört grup oluşturulur.

Karşı dengeleme
Görev / Durum Görev / Durum Uyarılar
Grup A
1
2
Grup A önce Görev / Koşul 1'i, ardından Görev / Koşul 2'yi gerçekleştirir
Grup B
2
1
Grup B önce Görev / Koşul 2'yi, ardından Görev / Koşul 1'i gerçekleştirir

Karşı dengeleme, bu tür bir tasarımdaki iki önemli sistematik varyasyon kaynağını hesaba katmaya çalışır: uygulama ve can sıkıntısı etkileri. Her ikisi de aksi halde tedavilere aşinalık veya yorgunluk nedeniyle katılımcıların farklı performanslarına yol açabilir.

Sınırlamalar

Her katılımcının deneyin tüm koşullarında (yani zaman kısıtlamaları, deneyin yeri vb.) Olması mümkün olmayabilir. Ciddi derecede hasta olan denekler, uzunlamasına çalışmaları bırakma eğilimindedir ve bu da sonuçları potansiyel olarak önyargılar. Bu durumlarda , eksik değerlerle başa çıkabildikleri için karma efekt modelleri tercih edilir.

Ortalama gerileme, önemli tekrarlara sahip koşulları etkileyebilir. Olgunlaşma, zaman içinde genişleyen çalışmaları etkileyebilir. Deney dışındaki olaylar, tekrarlar arasındaki tepkiyi değiştirebilir.

Tekrarlanan önlemler ANOVA

Tekrarlanan ölçüm varyans analizi (rANOVA), tekrarlanan ölçüm tasarımlarında yaygın olarak kullanılan bir istatistiksel yaklaşımdır. Bu tür tasarımlarda, tekrarlanan ölçüm faktörü (niteliksel bağımsız değişken) özne içi faktör iken, her bir katılımcının ölçüldüğü bağımlı nicel değişken bağımlı değişkendir.

Hatanın bölümlenmesi

Genel olarak tekrarlanan ölçüm tasarımlarında olduğu gibi, rANOVA'nın en büyük avantajlarından biri, bireysel farklılıklar nedeniyle değişkenliği bölümleme yeteneğidir. F istatistiğinin genel yapısını düşünün :

F = MS Tedavisi / MS Hatası = (SS Tedavisi / df Tedavisi ) / (SS Hatası / df Hatası )

Konular arası bir tasarımda, tedavi ve hata terimleriyle birleştirilen bireysel farklılıktan kaynaklanan bir varyans unsuru vardır:

SS Toplamı = SS Tedavisi + SS Hatası
df Toplam = n - 1

Tekrarlanan ölçüm tasarımında, denek değişkenliğini tedavi ve hata terimlerinden ayırmak mümkündür. Böyle bir durumda değişkenlik, tedaviler arası değişkenlik (veya bireysel farklılıklar hariç olmak üzere denek içi etkiler) ve tedaviler içi değişkenlik olarak ayrılabilir. Tedavi içi değişkenlik, denekler arası değişkenlik (bireysel farklılıklar) ve hata (bireysel farklılıklar hariç) olarak daha da bölünebilir:

SS Toplam = SS Tedavisi (bireysel fark hariç) + SS Konuları + SS Hatası
df Toplam = df Tedavi (denekler içinde) + df denekler arası + df hatası = ( k - 1) + ( n - 1) + (( n - k ) ( n - 1))

F-istatistiğinin genel yapısına atıfta bulunulduğunda, denekler arası değişkenliği bölümlere ayırarak F-değerinin artacağı açıktır çünkü kareler hata terimi toplamı daha küçük olacak ve daha küçük bir MSError ile sonuçlanacaktır. Bölümlendirmenin değişkenliğinin F testinden serbestlik derecelerini azaltması dikkate değerdir, bu nedenle denekler arası değişkenlik, serbestlik derecelerindeki kaybı dengelemek için yeterince önemli olmalıdır. Konular arası değişkenlik küçükse, bu süreç aslında F değerini düşürebilir.

Varsayımlar

Tüm istatistiksel analizlerde olduğu gibi, bu testin kullanımını gerekçelendirmek için belirli varsayımlar karşılanmalıdır. İhlaller, sonuçları orta derecede ciddi şekilde etkileyebilir ve genellikle tip 1 hatanın şişmesine neden olabilir . RANOVA ile, standart tek değişkenli ve çok değişkenli varsayımlar geçerlidir. Tek değişkenli varsayımlar şunlardır:

  • Normallik — Özne içi faktörün her seviyesi için, bağımlı değişkenin normal bir dağılıma sahip olması gerekir .
  • Küresellik — Bir özne içi faktörün iki seviyesi arasında hesaplanan fark puanları, herhangi iki seviyenin karşılaştırılması için aynı varyansa sahip olmalıdır. (Bu varsayım yalnızca bağımsız değişkenin 2'den fazla seviyesi varsa geçerlidir.)
  • Rastgelelik — Vakalar rastgele bir örneklemden türetilmelidir ve farklı katılımcılardan alınan puanlar birbirinden bağımsız olmalıdır.

RANOVA ayrıca belirli çok değişkenli varsayımların karşılanmasını gerektirir, çünkü fark puanları üzerinde çok değişkenli bir test yapılır. Bu varsayımlar şunları içerir:

  • Çok değişkenli normallik — Fark puanları çok değişkenli normal olarak popülasyonda dağıtılır.
  • Rastgelelik — Bireysel vakalar rastgele bir örneklemden türetilmelidir ve her katılımcı için fark puanları başka bir katılımcınınkinden bağımsızdır.

F testi

Diğer varyans testleri analizinde olduğu gibi, rANOVA, anlamlılığı belirlemek için bir F istatistiği kullanır. Denek içi faktörlerin ve varsayım ihlallerinin sayısına bağlı olarak, üç testten en uygun olanı seçmek gerekir:

  • Standart Tek Değişkenli ANOVA F testi — Bu test genellikle denek içi faktörün yalnızca iki seviyesi (yani zaman noktası 1 ve zaman noktası 2) verildiğinde kullanılır. Bu test, denek içi faktörün 2 seviyesinden fazla olması durumunda önerilmez çünkü bu gibi durumlarda küresellik varsayımı genellikle ihlal edilir.
  • Alternatif Tek Değişkenli test — Bu testler, küresellik varsayımının ihlallerini hesaba katar ve özne içi faktör 2 seviyeyi aştığında kullanılabilir. F istatistiği, Standart Tek Değişkenli ANOVA F testindeki ile aynıdır, ancak daha doğru bir p değeri ile ilişkilidir. Bu düzeltme, kritik F değerini belirlemek için serbestlik derecelerini aşağı doğru ayarlayarak yapılır. Yaygın olarak iki düzeltme kullanılır: Greenhouse-Geisser düzeltmesi ve Huynh-Feldt düzeltmesi. Greenhouse-Geisser düzeltmesi daha muhafazakârdır, ancak tekrarlanan önlemler tasarımında zamanla artan değişkenlik gibi yaygın bir sorunu ele alır. Huynh-Feldt düzeltmesi daha az ihtiyatlıdır, ancak artan değişkenlik sorunlarını ele almaz. Daha düşük Huynh-Feldt'in küresellikten daha küçük sapmalarla, Greenhouse-Geisser'ın ise kalkışlar büyük olduğunda kullanılması önerilmiştir.
  • Çok Değişkenli Test — Bu test küresellik varsaymaz, ancak aynı zamanda oldukça ihtiyatlıdır.

Efekt boyutu

RANOVA için en sık bildirilen etki büyüklüğü istatistiklerinden biri kısmi eta-kare'dir (η p 2 ). Küresellik varsayımı ihlal edildiğinde ve çok değişkenli test istatistiği rapor edildiğinde çok değişkenli η 2'nin kullanılması da yaygındır . Bildirilen üçüncü bir etki büyüklüğü istatistiği, tek yönlü tekrarlanan ANOVA ölçümlerinde η p 2 ile karşılaştırılabilen genelleştirilmiş η 2'dir . Diğer denek içi testlerle etki büyüklüğünün daha iyi bir tahmini olduğu gösterilmiştir.

Uyarılar

rANOVA, tekrarlanan ölçüm tasarımları için her zaman en iyi istatistiksel analiz değildir. RANOVA, eksik değerlerin, isnatların, özneler arasındaki eşit olmayan zaman noktalarının ve küresellik ihlallerinin etkilerine karşı savunmasızdır. Bu sorunlar, örnekleme sapmasına ve Tip I hata oranlarının şişmesine neden olabilir. Bu tür durumlarda, doğrusal bir karma model kullanmayı düşünmek daha iyi olabilir .

Ayrıca bakınız

Notlar

Referanslar

Deney tasarımı ve analizi

  • Jones, Byron; Kenward, Michael G. (2003). Çapraz Denemelerin Tasarımı ve Analizi (İkinci baskı). Londra: Chapman ve Hall.
  • Vonesh, Edward F. ve Chinchilli, Vernon G. (1997). Tekrarlanan Ölçümlerin Analizi için Doğrusal ve Doğrusal Olmayan Modeller . Londra: Chapman ve Hall.

Boylamsal verilerin keşfi

  • Davidian, Marie ; David M. Giltinan (1995). Tekrarlanan Ölçüm Verileri için Doğrusal Olmayan Modeller . Chapman & Hall / İstatistik ve Uygulamalı Olasılık Üzerine CRC Monografları. ISBN   978-0-412-98341-2 .
  • Fitzmaurice, Garrett; Davidian, Marie; Verbeke, Geert; Molenberghs, Geert, eds. (2008). Boylamsal Veri Analizi . Boca Raton, Florida: Chapman ve Hall / CRC. ISBN   978-1-58488-658-7 .
  • Jones, Byron; Kenward, Michael G. (2003). Çapraz Denemelerin Tasarımı ve Analizi (İkinci baskı). Londra: Chapman ve Hall.
  • Kim, Kevin ve Timm, Neil (2007). " " Kısıtlanmış MGLM ve büyüme eğrisi modeli "(Bölüm 7)". Tek değişkenli ve çok değişkenli genel doğrusal modeller: SAS ile teori ve uygulamalar (Windows ve UNIX için 1 CD-ROM ile) . İstatistik: Ders Kitapları ve Monografiler (İkinci baskı). Boca Raton, Florida: Chapman & Hall / CRC. ISBN   978-1-58488-634-1 .
  • Kollo, Tõnu & von Rosen, Dietrich (2005). " " Çok değişkenli doğrusal modeller "(bölüm 4), özellikle" Büyüme eğrisi modeli ve uzantıları "(Bölüm 4.1)". Matrislerle gelişmiş çok değişkenli istatistikler . Matematik ve uygulamaları. 579 . New York: Springer. ISBN   978-1-4020-3418-3 .
  • Kshirsagar, Anant M. ve Smith, William Boyce (1995). Büyüme eğrileri . İstatistik: Ders Kitapları ve Monografiler. 145 . New York: Marcel Dekker, Inc. ISBN   0-8247-9341-2 .
  • Pan, Jian-Xin & Fang, Kai-Tai (2002). Büyüme eğrisi modelleri ve istatistiksel teşhis . İstatistikte Springer Serileri. New York: Springer-Verlag. ISBN   0-387-95053-2 .
  • Seber, GAF ve Wild, CJ (1989). " " Büyüme modelleri (Bölüm 7) " ". Doğrusal olmayan regresyon . Olasılık ve Matematiksel İstatistiklerde Wiley Serileri: Olasılık ve Matematiksel İstatistik. New York: John Wiley & Sons, Inc. s. 325–367. ISBN   0-471-61760-1 .
  • Timm, Neil H. (2002). " " Genel MANOVA modeli (GMANOVA) "(Bölüm 3.6.d)". Uygulamalı çok değişkenli analiz . İstatistikte Springer Metinleri. New York: Springer-Verlag. ISBN   0-387-95347-7 .
  • Vonesh, Edward F. ve Chinchilli, Vernon G. (1997). Tekrarlanan Ölçümlerin Analizi için Doğrusal ve Doğrusal Olmayan Modeller . Londra: Chapman ve Hall. (Teori ve pratiğin kapsamlı bir şekilde ele alınması)
  • Conaway, M. (1999, 11 Ekim). Tekrarlanan Ölçüler Tasarımı. 18 Şubat 2008 tarihinde http://biostat.mc.vanderbilt.edu/twiki/pub/Main/ClinStat/repmeas.PDF adresinden erişildi.
  • Minke, A. (1997, Ocak). Tekrarlanan Ölçüm Analizlerinin Yapılması: Deneysel Tasarım Hususları. Ericae.net'ten 18 Şubat 2008'de alındı: http://ericae.net/ft/tamu/Rm.htm
  • Shaughnessy, JJ (2006). Psikolojide Araştırma Yöntemleri. New York: McGraw-Hill.

Dış bağlantılar